論文の概要: A Survey of LLM-based Deep Search Agents: Paradigm, Optimization, Evaluation, and Challenges

• arxiv url: http://arxiv.org/abs/2508.05668v1
• Date: Sun, 03 Aug 2025 08:02:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:05.912367
• Title: A Survey of LLM-based Deep Search Agents: Paradigm, Optimization, Evaluation, and Challenges
• Title（参考訳）: LLMに基づくディープサーチエージェントの探索:パラダイム,最適化,評価,課題
• Authors: Yunjia Xi, Jianghao Lin, Yongzhao Xiao, Zheli Zhou, Rong Shan, Te Gao, Jiachen Zhu, Weiwen Liu, Yong Yu, Weinan Zhang,
• Abstract要約: 大規模言語モデル (LLM) はウェブ検索に革命をもたらした。 これらのエージェントは、ユーザの意図や環境状況を理解することができる。 本調査は,検索エージェントの系統的分析を初めて行った。
• 参考スコア（独自算出の注目度）: 30.146391942071126
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The advent of Large Language Models (LLMs) has significantly revolutionized web search. The emergence of LLM-based Search Agents marks a pivotal shift towards deeper, dynamic, autonomous information seeking. These agents can comprehend user intentions and environmental context and execute multi-turn retrieval with dynamic planning, extending search capabilities far beyond the web. Leading examples like OpenAI's Deep Research highlight their potential for deep information mining and real-world applications. This survey provides the first systematic analysis of search agents. We comprehensively analyze and categorize existing works from the perspectives of architecture, optimization, application, and evaluation, ultimately identifying critical open challenges and outlining promising future research directions in this rapidly evolving field. Our repository is available on https://github.com/YunjiaXi/Awesome-Search-Agent-Papers.
• Abstract（参考訳）: LLM(Large Language Models)の出現は、Web検索に大きな革命をもたらした。 LLMベースの検索エージェントの出現は、より深く、ダイナミックで、自律的な情報を探すための重要な転換点である。 これらのエージェントは、ユーザの意図や環境状況を理解し、動的計画を伴うマルチターン検索を実行し、検索能力をWebよりはるかに拡張することができる。 OpenAIのDeep Researchのような主要な例は、ディープ情報マイニングと現実世界のアプリケーションの可能性を強調している。 本調査は,検索エージェントの系統的分析を初めて行った。 我々は、アーキテクチャ、最適化、アプリケーション、評価の観点から既存の作品を包括的に分析し、分類し、最終的に重要なオープン課題を特定し、この急速に発展する分野における将来的な研究の方向性を概説する。 私たちのリポジトリはhttps://github.com/YunjiaXi/Awesome-Search-Agent-Papersで公開しています。

関連論文リスト

• From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
  推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。 静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。 我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
  論文  参考訳（メタデータ） (2025-06-23T17:27:19Z)
• Deep Research Agents: A Systematic Examination And Roadmap [79.04813794804377]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• InfoDeepSeek: Benchmarking Agentic Information Seeking for Retrieval-Augmented Generation [63.55258191625131]
  InfoDeepSeekは、現実世界の動的Web環境でエージェント情報を求めるための新しいベンチマークである。 本稿では,決定性,難易度,多様性の基準を満たす課題クエリを構築するための体系的手法を提案する。 本研究では,情報探索結果の正確性,有用性,コンパクト性に関する詳細な指標を含む,動的エージェント情報探索に適した最初の評価フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-05-21T14:44:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。